Kurs Data Engineer

Czego się nauczysz w tej sekcji?

Git: poznasz podstawy pracy z systemem kontroli wersji Git, nauczysz się, jak śledzić zmiany w projekcie, a także dowiesz się, jak korzystać z repozytoriów i współpracować z innymi programistami.

Python: nauczysz się podstaw składni języka Python, w tym zmiennych, pętli i funkcji.

SQL: wykonasz podstawowe operacje na bazach danych z użyciem SQL oraz zrozumiesz, jak projektować proste schematy bazy danych.

Czego się nauczysz w tej sekcji?

• Poznanie praktycznych zastosowań Dockera w pracy Data Engineera.
• Nauka konfiguracji, zarządzania obrazami i uruchamiania kontenerów dla aplikacji danych.
• Zrozumienie, jak Docker wspiera procesy integracji, przetwarzania i zarządzania danymi.
• Zapoznanie się z technikami skalowania i automatyzacji wdrożeń w środowiskach produkcyjnych.
• Poznanie narzędzi i metod monitorowania oraz optymalizacji infrastruktury danych.

Czego się nauczysz w tej sekcji?

• Nauka konfiguracji i zarządzania podstawowymi usługami AWS, takimi jak EC2 i S3.
• Poznanie zasad zarządzania dostępem i bezpieczeństwem w środowisku chmurowym.
• Zrozumienie, jak integrować różne usługi AWS w celu tworzenia kompleksowych rozwiązań.
• Nauka optymalizacji wydajności usług AWS oraz monitorowania zasobów.
• Poznanie metod konfiguracji sieci i storage w AWS.
• Zrozumienie podstaw zarządzania kosztami w AWS i optymalizacji zasobów chmurowych.

Czego się nauczysz w tej sekcji?

• Nauka budowania skomplikowanych zapytań SQL z wykorzystaniem funkcji okna i CTE.
• Poznanie zaawansowanych technik optymalizacji zapytań i indeksowania baz danych.
• Zrozumienie, jak projektować i implementować schematy baz danych dla różnych scenariuszy biznesowych.
• Nauka zarządzania dużymi zbiorami danych i optymalizacji ich przechowywania.
• Poznanie technik partycjonowania danych w bazach SQL.
• Zrozumienie, jak analizować i interpretować dane za pomocą zaawansowanych zapytań SQL.

Czego się nauczysz w tej sekcji?

• Nauka projektowania baz danych z wykorzystaniem modeli NoSQL.
• Poznanie podstaw pracy z DynamoDB, w tym konfiguracji i zarządzania bazami.
• Zrozumienie, jak skalować bazy NoSQL w zależności od potrzeb aplikacji.
• Nauka optymalizacji wydajności zapytań i operacji w bazach NoSQL.
• Poznanie różnic między modelami relacyjnymi a nierealacyjnymi i ich zastosowań.
• Zrozumienie, jak zarządzać danymi w środowiskach rozproszonych z wykorzystaniem NoSQL.

Czego się nauczysz w tej sekcji?

• Nauka korzystania z bibliotek Pandas, NumPy i Polars do przetwarzania dużych zbiorów danych.
• Poznanie zaawansowanych technik programowania w Pythonie, takich jak zarządzanie pamięcią i optymalizacja kodu.
• Zrozumienie, jak tworzyć skrypty Pythona do automatyzacji zadań związanych z przetwarzaniem danych.
• Nauka pracy z API do pobierania i integrowania danych z zewnętrznych źródeł.
• Nauka integracji różnych źródeł danych w aplikacjach Pythonowych.
• Poznanie narzędzi do monitorowania i optymalizacji wydajności aplikacji Pythonowych.

Czego się nauczysz w tej sekcji?

• Nauka podstaw pracy z RDD i DataFrame’ami w PySpark.
• Zrozumienie, jak działa Lazy evaluation i Transformations w PySpark.
• Nauka skalowania aplikacji PySpark w środowiskach rozproszonych.
• Poznanie technik zarządzania pamięcią i optymalizacji przetwarzania w PySpark.
• Zrozumienie podstaw równoległości i przetwarzania równoległego w PySpark.
• Nauka implementacji projektów Big Data z wykorzystaniem PySpark.

Czego się nauczysz w tej sekcji?

• Nauka konfiguracji i zarządzania klastrami Apache Kafka.
• Poznanie metod tworzenia i zarządzania topikami, producentami i konsumentami w Kafka.
• Zrozumienie, jak projektować systemy przetwarzania strumieniowego o wysokiej wydajności.
• Nauka monitorowania i diagnostyki wydajności systemów Kafka.
• Poznanie technik skalowania i zarządzania obciążeniem w środowiskach strumieniowych.
• Zrozumienie architektury rozproszonych systemów przetwarzania strumieniowego.

Czego się nauczysz w tej sekcji?

• Nauka projektowania procesów ETL do przetwarzania danych z różnych źródeł.
• Poznanie technik transformacji danych w celu uzyskania optymalnych rezultatów.
• Zrozumienie, jak automatyzować i monitorować procesy ETL w dużych organizacjach.
• Nauka implementacji narzędzi ETL w różnych środowiskach technologicznych.
• Poznanie metod walidacji i czyszczenia danych przed ich ładowaniem do baz danych.
• Zrozumienie, jak integrować procesy ETL z hurtowniami danych i jeziorami danych.

Czego się nauczysz w tej sekcji?

• Nauka projektowania i implementacji schematów hurtowni i jeziorze danych.
• Nauka integracji różnych źródeł danych z hurtowniami i jeziorami danych.
• Poznanie metod zarządzania hurtowniami i jeziorami danych w chmurze.
• Zrozumienie roli hurtowni i jezior danych w tworzeniu raportów i analiz biznesowych.
• Nauka optymalizacji przechowywania danych w hurtowniach i jeziorach dla lepszej wydajności.

Czego się nauczysz w tej sekcji?

• Nauka konfiguracji i uruchamiania środowiska Apache Airflow.
• Poznanie technik definiowania i zarządzania DAGs dla przepływów pracy.
• Zrozumienie, jak automatyzować złożone przepływy danych za pomocą Airflow.
• Nauka integracji Airflow z innymi narzędziami i systemami danych.
• Poznanie metod monitorowania i zarządzania przepływami pracy w Airflow.
• Zrozumienie, jak używać Airflow do zarządzania projektami danych w organizacji.

Czego się nauczysz w tej sekcji?

• Nauka efektywnego przetwarzania danych w środowisku Databricks.
• Poznanie metod tworzenia i wdrażania modeli uczenia maszynowego w Databricks.
• Zrozumienie, jak testować i walidować modele w chmurze z użyciem Databricks.
• Nauka integracji Databricks z innymi narzędziami analitycznymi i platformami danych.
• Poznanie narzędzi do współpracy zespołowej dostępnych w Databricks.
• Zrozumienie, jak zarządzać projektami danych w środowisku chmurowym Databricks.

Czego się nauczysz w tej sekcji?

• Nauka konfiguracji i zarządzania środowiskiem Snowflake.
• Poznanie kluczowych komponentów i architektury Snowflake.
• Zrozumienie, jak Snowflake oddziela przetwarzanie od przechowywania danych.
• Nauka zarządzania dużymi zbiorami danych w Snowflake.
• Poznanie metod czyszczenia i walidacji danych w Snowflake.
• Zrozumienie, jak korzystać z narzędzi analitycznych dostępnych w Snowflake.

Czego się nauczysz w tej sekcji?

• Nauka koncepcji i zasad działania modelu Data Mesh.
• Poznanie metod planowania i implementacji decentralizacji zarządzania danymi.
• Zrozumienie, jak definiować i zarządzać domenami danych w organizacji.
• Nauka utrzymywania spójności i jakości danych w rozproszonym modelu zarządzania.
• Poznanie technologii wspierających implementację Data Mesh.
• Zrozumienie wyzwań w implementacji Data Mesh i strategii ich rozwiązywania.

Aby zapisać się na kurs możesz wypełnić formularz, wysłać maila bezpośrednio do opiekunki lub zadzwonić. W przypadku zgłoszenia się przez formularz otrzymasz od razu maila ze szczegółowym programem kursu oraz informacjami o kolejnych krokach.

Zajęcia na kursie odbywają się w soboty i niedziele od 11:30 do 14:30.

Obowiązkowym punktem rozpoczęcia kursu jest przerobienie preworku – są to materiały do samodzielnej nauki. Otrzymasz od nas wszystkie niezbędne materiały, linki oraz instrukcje, jak krok po kroku zainstalować programy i narzędzia, z których będziesz korzystać w trakcie kursu. Przykładając się do jego wykonania, zapewniasz sobie i reszcie grupy sprawny start w kursie i możliwość bezproblemowego rozpoczęcia nauki i pracy nad projektem. Z drugiej strony, w przypadku naszych kursów – bardzo intensywnych i napakowanych wiedzą, zlekceważenie preworku może skutkować późniejszym nawarstwieniem się zaległości, które będzie niezwykle trudno nadrobić w trakcie kursu.

Kurs jest dla Ciebie, jeśli lubisz analizować dane, masz zamiłowanie do matematyki, lubisz rozwiązywać skomplikowane problemy lub jesteś osobą z technicznym zacięciem. Dodatkowo niezbędne do rozpoczęcia nauki na kursie Data Engineer są: znajomość języka angielskiego na poziomie min. B1/B2, wykonanie preworku, który otrzymasz po zapisaniu się na kurs, wysoka motywacja, dyspozycyjność – czas na zajęcia, ale również naukę w domu.

Główną przewagą kursu nad studiami jest warsztatowa forma zajęć – wiedzę zdobytą na zajęciach teoretycznych kursanci wykorzystują od razu na zajęciach praktycznych. Zarówno zajęcia teoretyczne, jak i warsztaty prowadzą doświadczeni trenerzy – praktycy. W Akademii dbamy o to, aby program kursu był dopasowany do aktualnej sytuacji na rynku pracy. Kursy są krótsze niż studia, co z jednej strony wiąże się większym natężeniem zajęć i dostarczanej wiedzy, a z drugiej sprawia, że szybciej możesz rozpocząć swój rozwój w obszarze Data Science. Na koniec – na kursach panuje bardzo dobra atmosfera, kursanci wspierają się wzajemnie i są w stałym kontakcie ze sobą i z trenerami na komunikatorze wewnętrznym w czasie trwania zajęć.

Jeśli chodzi o samo uczestnictwo w kursach, to wiek nie jest ograniczeniem. Nasze kursy kończyli zarówno 18-latkowie, jak i osoby 50+. Należy jednak pamiętać, że karierę w branży IT zaczyna się od stażu albo od stanowiska juniora, co może wiązać się z otrzymywaniem niższego wynagrodzenia niż na obecnym miejscu pracy, jeśli ma się już kilkanaście lat doświadczenia. Warto wziąć to pod uwagę zanim podejmie się decyzję o przebranżowieniu.

Na rynku jest dostępnych wiele form finansowania kursów, szczegółowe informacje znajdziesz na naszej stronie Finansowanie.

Tak, zajęcia są nagrywane i można z nich korzystać, żeby utrwalać wiedzę z zajęć.

Oczywiście, po zaliczeniu kursu otrzymasz od nas doceniany na rynku certyfikat infoShare Academy z informacją o zakresie kursu i terminie, w jakim kurs się odbywał. Certyfikat podpisany jest przez CEO infoShare Academy oraz Trenera prowadzącego kurs. Otrzymasz go w formacie PDF, dzięki czemu łatwo podzielisz się informacją o zdobytych kwalifikacjach na LinkedIn z potencjalnymi, przyszłymi pracodawcami lub klientami.